Este estudio describe un método para clasificar electrocorticogramas (ECoGs) basado en la imaginación motora (MI) en el sistema de interfaz cerebro-computadora (BCI). Este método es diferente del método tradicional de extracción y clasificación de características. En este documento, el método propuesto emplea el algoritmo de aprendizaje profundo para extraer características y el algoritmo tradicional para la clasificación. Específicamente, principalmente utilizamos la red neuronal convolucional (CNN) para extraer las características de los datos de entrenamiento y luego clasificar esas características combinando con el algoritmo de aumento de gradiente (GB). El estudio exhaustivo con los algoritmos CNN y GB nos ayudará profundamente a obtener más información de características de las actividades cerebrales, lo que nos permitirá obtener los resultados de clasificación de las acciones del cuerpo humano. El rendimiento del marco propuesto ha sido evaluado en el conjunto de datos I de la Competencia III de BCI. Además, la combinación de aprendizaje profundo y algoritmos tradicionales proporciona algunas ideas para investigaciones futuras con los sistemas BCI.